摘要
提出一种基于混合学习方法的断路器老化故障率预测方法。首先,基于断路器的故障统计数据,建立其老化失效可靠性模型。然后,采用变分模态分解方法,将生成的可靠性数据序列分解为预定义数量的可预测子分量和残差分量。接着,将各子分量作为LSTM神经网络训练模型的输入,用于预测预定义视界内断路器的老化失效概率。最后,通过重构子分量可以计算出预测的断路器老化故障率。为了提高LSTM网络的预测性能,引入和声算法对LSTM模型参数进行自适应优化。
-
单位中国长江电力股份有限公司